基于多元图表示原理的可视化模式分类研究

论文摘要

飞速发展的社会涌现了大量信息,这些信息带来了海量复杂的多维数据,于是多维数据的分类问题成为当今最受关注的研究方向。基于可视化的分类方法应时代要求而被提出来,它以简单易观察的图形或者图片的形式来表达多维数据或者信息的特征,实现了无结构数据的结构化表示,使人对数据有直观、准确的了解,并为其提供与数据交互的手段。本文在了解分析传统分类方法的基础上,重点对可视化分类方法进行深入具体的研究。首先阐述了多维数据到多元图论域的映射,基于各类多元图的可视化分类方法的基本理论和应用研究及其各自的优缺点,为全文提供了理论基础。在第二章的理论基础的前提下,具体的研究了基于多元图的特征提取。介绍了雷达图和散点图的特征提取方法,进一步针对平行坐标图提出了面积、折线段斜率、折线长度、折线走向趋势以及分区面积比等特征的提取方法。本文的第四章以多元图图形特征为基础,研究基于多元图图形特征的分类方法。首先,阐述了单原型图形分类器和K近邻图形分类器分类器算法原理。其次,提出了类差多元图的概念及基于类差多元图的特征选择方法。最后,将基于多元图的分类方法对机器学习数据库中的乳腺组织数据和葡萄酒分类数据进行分类,在乳腺组织数据分类中利用类差多元图对数据进行特征选择和最有排序,然后利用平行坐标图的整体图形面积特征作为分类特征,实验精度都达到80%以上,证明了本文提出的辅助分类方法的实用性,在葡萄酒数据分类中利用基于类差多元图分区面积和与分区斜率对数据进行特征提取与选择排序,然后利用单原型分类器对数据进行分类,分类结果均在90%以上。两组实验证明,在分类精确度相同的情况下,基于多元图的可视化分类方法具有计算量小,简单易操作。而且精确率等优点。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究背景
• 1.2 国内外研究现状
• 1.3 本文的主要内容及组织结构
• 第2章 多维数据的多元图表示
• 2.1 多维数据到多元图论域的映射
• 2.1.1 多维数据映射到多元图论域的数学描述
• 2.1.2 多维数据的多点表示
• 2.2 多维数据的可视化方法
• 2.2.1 可视化方法中的主要方法
• 2.2.2 多维数据可视化中主要采用的视图变换方法
• 2.3 主要的多维数据可视化技术
• 2.3.1 数据预处理
• 2.3.2 雷达图及其应用
• 2.3.3 散点图和散点图矩阵
• 2.3.4 平行坐标理论及其应用
• 2.4 本章小结
• 第3章 基于图形特征的特征提取方法
• 3.1 多元图图形特征提取
• 3.1.1 特征提取的基本概念
• 3.1.2 多元图图形特征表示模型
• 3.2 基于平行坐标图的特征提取
• 3.2.1 面积特征
• 3.2.2 平行坐标图分区面积比
• 3.2.3 折线的局部斜率特征
• 3.2.4 折线变化趋势特征
• 3.2.5 折线长度特征
• 3.3 基于雷达图的特征提取
• 3.3.1 重心矢量特征
• 3.3.2 周长特征
• 3.3.3 面积特征
• 3.3.4 方向特征
• 3.3.5 相邻幅值比特征
• 3.3.6 分区面积比特征
• 3.3.7 对称性特征
• 3.4 基于散点图的特征提取
• 3.4.1 位置特征
• 3.4.2 散点图的矢量特征
• 3.5 本章小结
• 第4章 基于类差多元图的图形特征分类研究
• 4.1 基于多元图图形特征的分类器
• 4.1.1 图形不相似度测量指标
• 4.1.2 基于图形不相似度的图形分类器
• 4.2 多元图图形特征增强
• 4.3 基于类差多元图的特征选择
• 4.3.1 基于类差多元图的特征选择
• 4.3.2 基于类差贡献指数的特征排序
• 4.4 本章小结
• 第5章 基于类差多元图的多维数据分类
• 5.1 多元图可视化方法在乳腺疾病诊断中的应用
• 5.1.1 乳腺疾病及其检测方法
• 5.1.2 基于平行坐标图的乳腺组织数据分类研究
• 5.2 多元图可视化方法在葡萄酒数据分类中的应用
• 5.2.1 葡萄酒及其分类
• 5.2.2 基于平行坐标图的葡萄酒分类研究
• 5.3 实验结论
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介